基于DEA-Malmquist的上市快遞企業研發績效研究*

□ 祁雨秋，雷藝琳，蔣銘為

(南京郵電大學 管理學院，江蘇 南京 210003)

1 引言

當前，數字化消費的普及為物流行業提供了廣闊的發展平臺。國家郵政局發布的《2018年中國快遞發展指數報告》顯示，2018年我國快遞業務量達到507.1億件，同比增長26.6%。與2010年相比，業務量增速高達46.89%，遠高于同期GDP增速7.4%，行業整體呈高速發展態勢。隨著行業規模的不斷擴大，競爭壓力逐漸加劇，企業同質化問題也日趨嚴重。在此背景下，快遞企業開始注重自身研發水平以提高核心競爭力，降低企業經營成本。因此，對于快遞企業的研發投入力度及績效水平進行評價，發現其中存在的問題并提出相應的提優建議，有利于提升我國快遞企業的科技實力，促進行業持續健康發展。本文采用DEA-Malmquist模型，對2017-2018年我國5家A股上市的快遞企業研發績效進行靜態和動態分析，并提出相應建議。

2 文獻綜述

當前對于企業績效的評價方法主要包括財務指標法、杜邦分析法、平衡記分卡法、模糊綜合評價法、數據包絡分析法(DEA)等。通過對各種方法進行綜合比較分析，DEA法以其運算簡便、結論客觀等優勢，被眾多國內外學者廣泛應用。[1]由于發展時間較短，大多快遞企業近兩年才選擇上市，所以國內外學者的相關研究主要集中于物流領域。以下是對現有文獻主要內容的整理：

表1 現有DEA模型及研究內容

綜上所述可看出，國內外學者能夠運用DEA建立不同模型，真實客觀的反映物流行業績效。但大多研究是對其整體績效進行評估，缺乏從研發投入和創新績效角度對行業的分析。此外，由于快遞行業依托電子商務得以飛速發展，其對于信息技術和創新能力的要求遠高于其他物流細分行業，而現有文獻中缺乏對此的深入研究，無法為當前市場環境下的快遞企業提供切實可行的意見和建議。因此，本文采用DEA-Malmquist指數法，從靜態和動態兩個層面對當前快遞企業的研發投入和創新績效進行評價，并對其提出意見和建議。

3 研究方法與數據來源

3.1 研究方法

數據包絡分析方法(Data Envelopment Analysis，DEA)主要通過所有決策單元(DMU)中的極值來構建最優生產前沿面，并將其他DMU值與之比較，得出其相對有效性。目前DEA的基本模型主要包括CCR、BCC、超效率、平衡指數模型等。[11]

3.1.1 DEA-BCC靜態模型

BCC是以規模報酬可變為前提的DEA模型，該模型改善了原先CCR模型中假設規模報酬不變這一缺陷，將技術效率分解為規模效率和純技術效率。規模效率用來衡量各DMU投入與產出是否處于規模收益最大化的狀態，反映企業戰略規劃水平；純技術效率用來衡量目前技術水平上投入的資源是否有效，反映企業管理水平。在此模型下，總效率=技術水平×規模效率×純技術效率。其模型具體如下：

其中，j=1,2,…,n表示決策單元，X,Y分別是投入、產出向量。若θ=1,S+=S-=0，則DMU DEA有效；若θ=1,S+≠0或S-≠0，則DMU弱DEA有效；若θ<1，則DMU DEA無效。[12]

3.1.2 DEA-Malmquist動態指數模型

Malmquist生產率指數最早在20世紀50年代由Malmquist提出，后被Fare等人將其與DEA法相結合，用以反映主體生產效率的變化趨勢，其公式為：

其中M值表示全要素生產率，Sech為規模效率指數，Pech為純技術效率指數，Tech為技術變化指數。M值大于1，則說明全要素生產率呈正增長趨勢，整體績效呈上升狀態，反之則為下降狀態；Sech大于1，則說明當前生產規模和研發投入水平已接近最優配比，反之則為遠離最優配比；Pech大于1，則說明技術水平對創新績效起到促進作用，反之則對創新績效起阻礙作用；Tech大于1，則說明研發技術正在提升，反之則為正在衰退。[13]

3.2 指標與數據

3.2.1 投入與產出指標選取

參照我國在2013年發布的《企業創新能力評價指標體系》，并結合快遞行業的特點，本文共選取4項投入指標和4項產出指標，具體如表2所示：

表2 投入與產出指標

3.2.2 數據來源

當前我國已上市的快遞企業共有7家，分別為順豐速運、圓通速遞、中通快遞、申通快遞、韻達速遞、百世快遞、德邦物流，其中中通和百世選擇在美國紐交所上市，且這7家企業上市時間集中于2017年前后。因此，本文選取2017-2018年在我國A股上市的順豐、圓通、申通、韻達、德邦五家快遞企業作為研究對象，所有數據來自于巨潮資訊網公布的企業年報。

4 研究結果

4.1 靜態績效分析

運用DEAP2.1軟件將5家上市快遞企業2017年的投入和產出數據代入DEA-BCC模型中進行測算，結果如表3所示。

從時間角度看，與2017年相比，2018年5家快遞企業的創新績效普遍提高，其中規模效率增速明顯，且規模報酬由遞減轉為不變。這說明5家企業發現了前一年規模效率低下的問題，并對此進行調整，使得企業的生產規模與研發投入水平相適應，規模效益得以提高。

從行業角度看，2017和2018年的平均規模效率均低于平均純技術效率，表明規模效率低下導致綜合效率偏低。此外，近兩年里規模報酬仍處于遞減和不變狀態，即增加研發投入并不會提升企業的創新績效。這表明近兩年里快遞企業普遍存在生產規模與研發投入水平不相符的問題，導致研發資源存在浪費現象，從而制約了企業創新績效的提升。

從企業角度看，申通近兩年均實現了DEA有效，表明其技術創新能力與研發投入規模均達到最優狀態，使得創新績效最為顯著。其他4家企業在2017年均未實現DEA有效，但在2018年逐漸調整企業戰略，基本實現DEA有效，其中德邦發展速度最快，而順豐仍處于DEA無效，且規模報酬為遞減狀態，表明依然存在生產規模與研發水平不相符的問題。

表3 2017-2018年靜態績效值

4.2 動態績效分析

為深入研究5家快遞企業近兩年里創新績效的變化趨勢，本文將這5家企業2017-2018年的面板數據代入DEA-Malmquist指數模型中進行測算，結果如表4所示。但由于5家企業上市周期過短，其創新績效的發展趨勢不夠明顯，數據缺乏絕對的客觀性。

全要素生產率是衡量企業整體創新績效水平的變化趨勢，而當前5家企業的整體創新績效水平仍未呈現正增長趨勢，其主要原因是技術水平未實現真正的提升。但值得肯定的是，5家企業的技術效率變化指數均大于1，這表明近兩年里研發投入能夠對創新績效產生正向作用，且生產規模與研發投入水平已達到最優配比。從企業角度來看，德邦和韻達的創新績效水平相對較高，順豐和圓通次之，申通的創新績效水平最低。

表4 2017-2018年動態績效值

5 結論與建議

5.1 結論

本文采用DEA-Malmquist模型，以5家上市快遞企業為研究對象，在已有文獻的基礎上，針對快遞行業特點選擇恰當的研發投入與產出指標，并根據其2017-2018年相關數據進行靜態和動態分析，得出以下結論：

①近兩年里，5家上市快遞企業的創新績效普遍大幅提高，其中以規模效率增速最為明顯，基本達到企業生產規模與研發投入水平的最優配比，表明企業產業結構升級，規模效益明顯。此外，企業技術和管理能力顯著提升，有效提高了企業的創新績效水平。

②目前5家企業雖然已實現技術水平對創新績效的正向作用，但影響力度仍較弱，不能從根本上大幅提升企業的創新績效水平。這一方面是由于企業上市時間較短，而技術研發周期普遍較長，現有數據不能客觀的反映企業真實研發情況；另一方面能夠說明企業目前的經營管理存在一定問題，需進一步提高研發投入對創新績效的價值作用。

③5家快遞企業整體創新績效水平較低，其原因包括兩方面。第一，企業生產規模與研發投入水平仍存在不協調問題，規模報酬未呈現遞增趨勢，企業仍未實現規模效益最大化。第二，企業技術水平普遍較低，現有研發成果科技含量有待提高，企業絕對競爭優勢不明顯。

5.2 建議

根據以上對于快遞企業現狀的總結，結合當前市場環境和政策要求，本文對政府和快遞企業提出如下幾點建議：

政府層面：

①加強對快遞企業研發的扶持力度。快遞行業已逐漸成為新時代經濟發展的重要支柱，這對快遞企業的科技水平和經濟實力都提出了較高的要求。因此，政府應提高對快遞企業的關注度，加強對其研發資金的扶持，引進國外先進技術，為快遞企業的持續健康發展提供優越條件。

②加強對快遞企業人才的培養和輸出。人才是新時代下國家和企業發展的第一資源，對于當今時代發展迅猛的快遞企業，政府不僅要給予充足的資金支持，還應聯合高校、研究院等科研機構向企業輸出專業的技術和管理人才。

企業層面：

①堅持提高自主創新能力。隨著消費者對于快遞企業配送價格及質量的要求不斷提高，快遞企業必須努力提升信息化、智能化水平。積極引進大數據、人工智能、云存儲等高新技術，降低經營成本，提高服務質量。

②加強人才培養。一方面，企業要不斷引進研發人員，優化員工結構，提高企業研發實力；同時，深化校企合作，提高產學研績效。另一方面，要注重培養員工的管理能力，提高整體管理水平，充分利用各項投入，使企業的規模效率和技術效率盡快達到最優狀態。